[论文解读] Privacy-Preserving Genetic Relatedness Test

Emiliano De Cristofaro, Kaitai Liang+1 more|arXiv (Cornell University)|Nov 9, 2016

Privacy-Preserving Technologies in Data被引用 6

一句话总结

本文提出了一种隐私保护的遗传相关性检测协议（PPGRT），使云服务器能够使用可搜索加密技术，在加密的个人单倍型与加密的遗传数据库之间计算相关性，以汉明距离作为高效且保护隐私的度量标准。该方法在18,000个SNP下实现约900秒的运行时间，结果准确，展现出良好的实用性，同时保护了隐私。

ABSTRACT

An increasing number of individuals are turning to Direct-To-Consumer (DTC) genetic testing to learn about their predisposition to diseases, traits, and/or ancestry. DTC companies like 23andme and Ancestry.com have started to offer popular and affordable ancestry and genealogy tests, with services allowing users to find unknown relatives and long-distant cousins. Naturally, access and possible dissemination of genetic data prompts serious privacy concerns, thus motivating the need to design efficient primitives supporting private genetic tests. In this paper, we present an effective protocol for privacy-preserving genetic relatedness test (PPGRT), enabling a cloud server to run relatedness tests on input an encrypted genetic database and a test facility's encrypted genetic sample. We reduce the test to a data matching problem and perform it, privately, using searchable encryption. Finally, a performance evaluation of hamming distance based PP-GRT attests to the practicality of our proposals.

研究动机与目标

• 解决在直接面向消费者的遗传检测中，原始遗传数据以明文形式共享给不可信第三方所引发的隐私风险。
• 设计一种可扩展且高效的协议，使云服务器能够在不访问明文遗传数据的情况下执行相关性测试。
• 通过使用加密数据将匹配操作卸载至云服务器，降低客户端的计算与通信开销。
• 利用真实基因组数据（1000 Genomes）评估隐私保护相关性测试的性能与准确性。
• 识别高效密码原 primitive —— 尤其是结合可搜索加密的汉明距离 —— 以实现基因组隐私系统中的实际部署。

提出的方法

• 协议使用公钥可搜索加密技术，使云服务器能够使用加密的个人单倍型，在加密的遗传数据库中搜索匹配的单倍型。
• 相关性测试被简化为基于汉明距离的数据匹配问题，该距离在不解密的情况下于加密数据上计算。
• 客户端（CI）使用公钥加密其单倍型，并将其发送至服务器（SPU），后者使用安全的可搜索加密方案执行匹配。
• 服务器将加密结果返回给客户端，客户端解密后根据加密输出中零差异的数量识别匹配结果。
• 系统利用Paillier同态加密方案与受模糊加密启发的编码技术，支持在基因组数据上实现私有匹配。
• 该方法使用1000 Genomes phase 3数据集进行评估，包含10,000个单倍型，每个单倍型含18,000个SNP，用于测量运行时间与准确性。

实验结果

研究问题

• RQ1 是否可以在不以明文形式暴露遗传数据的前提下，于云环境中执行遗传相关性测试，从而确保客户端与数据库的隐私？
• RQ2 在云辅助环境下，如何在保持隐私的前提下最小化客户端的计算与通信开销？
• RQ3 与编辑距离或LCS相比，汉明距离是否是一种可行且高效的隐私保护度量标准，适用于遗传相关性测试？
• RQ4 可搜索加密能否被有效适配，以支持在基因组数据库中对分型单倍型实现安全且可扩展的匹配？
• RQ5 基于不同距离度量标准（汉明距离、编辑距离、LCS）的隐私保护协议之间，性能权衡如何？

主要发现

• 使用隐私保护汉明距离的协议在18,000位单倍型上完成测试的时间约为900秒，展现出强大的实用性。
• 隐私保护的LCS与编辑距离协议耗时超过10,000秒，表明与汉明距离相比存在显著的效率损失。
• 在使用相同输入时，隐私保护算法的结果与非隐私保护版本完全一致，确认了其准确性。
• 在真实1000 Genomes数据上测试时，系统保持了完美准确性，评估中使用了10,000个单倍型与470万个基因组字符串。
• 结合可搜索加密的汉明距离为隐私保护的遗传相关性测试提供了可扩展且高效的实现基础。
• 性能评估证实，该协议具备实际部署的可行性，尤其当以汉明距离作为匹配原 primitive 时。